首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于密度模块的微博社区发现方法

摘要第1-5页
Abstract第5-9页
第1章 前言第9-15页
   ·研究意义第9-12页
     ·问题的提出第9-10页
     ·基于行为的社区发现方法第10-12页
   ·本文的内容及贡献第12-14页
     ·层次分类的密度模块方法的主要内容第12-14页
     ·本文的主要贡献第14页
   ·本文组织结构第14-15页
第2章 微博用户行为的表示方法及其性质第15-20页
   ·微博网络的表示方法第15-16页
   ·微博用户行为特征第16-20页
     ·微博特征分析相关术语第16-17页
     ·微博用户行为特征第17-20页
第3章 微博用户行为建模第20-25页
   ·基于“关注”建模方法的分析第20-21页
   ·社会网络中节点联系紧密程度的量化第21-24页
   ·本章小结第24-25页
第4章 基于密度模块的社区发现算法第25-37页
   ·基于模块化的层次聚类算法第25-26页
   ·分辨率极限问题描述第26-29页
   ·密度模块评价函数第29-32页
     ·密度模块函数定义第29-30页
     ·密度模块函数的分辨率分析第30-32页
   ·基于密度模块的层次聚类算法第32-36页
     ·算法的提出第32-36页
     ·算法时间复杂度分析第36页
   ·本章小结第36-37页
第5章 实验结果第37-43页
   ·实验目的第37页
   ·实验数据和相关评价指标描述第37-39页
     ·数据集第37-38页
     ·评价标准第38-39页
   ·分辨率测试第39-41页
   ·准确性测试第41页
   ·效率测试第41-42页
   ·实验总结第42-43页
第6章 总结与展望第43-45页
   ·总结第43页
   ·展望第43-45页
参考文献第45-48页
附录攻读硕士研究生期间发表论文及研究工作第48-49页
致谢第49页

论文共49页,点击 下载论文
上一篇:疫苗管理系统的分析与设计
下一篇:企业异地分支机构VPN专网设计与实现